Doctorant Cifre - Apprentissage par Renforcement pour l'Optimisation de l'Allocation de Ressources dans un Contexte de Communications Iot par Satellite H/F - 38

A propos d'Inria

Inria est l'institut national de recherche dédié aux sciences et technologies du numérique. Il emploie 2600 personnes. Ses 215 équipes-projets agiles, en général communes avec des partenaires académiques, impliquent plus de 3900 scientifiques pour relever les défis du numérique, souvent à l'interface d'autres disciplines. L'institut fait appel à de nombreux talents dans plus d'une quarantaine de métiers différents. 900 personnels d'appui à la recherche et à l'innovation contribuent à faire émerger et grandir des projets scientifiques ou entrepreneuriaux qui impactent le monde. Inria travaille avec de nombreuses entreprises et a accompagné la création de plus de 200 start-up. L'institut s'eorce ainsi de répondre aux enjeux de la transformation numérique de la science, de la société et de l'économie.Doctorant F/H CIFRE - Apprentissage par renforcement pour l'optimisation de l'allocation de ressources dans un contexte de communications IoT par satellite

Type de contrat : CDD

Niveau de diplôme exigé : Bac +5 ou équivalent

Fonction : Doctorant

Contexte et atouts du poste

Ce projet est une CIFRE hébergée par le Centre de Compétences Hardware & Logiciel embarqué de Thales SIX GTS France, en collaboration avec Inria Lyon. Le poste sera co-localisé entre Thales (2/3) et Inria (1/3).

Dans le contexte des réseaux de communications pour l'internet des objets (IoT) par satellite, on recherche des méthodes d'accès multiples performantes et leur paramétrage dynamique permettant d'optimiser les capacités du système pour la liaison montante vers un ou plusieurs satellites à orbite basse (low earth orbit - LEO).

L' objectif est dedévelopper des solutions à base de réseaux de neurones profonds utilisant en particulier l'apprentissage par renforcement (RL). On recherchera des solutions algorithmiques et les architectures associées prenant en compte les contraintes du système, à savoir : un feedback limité, les capacités de décodage de la couche PHY pour gérer les collisions selon le récepteur mutli-utilisateur considéré. On s'intéressera à des solutions de type single-agent RL (SARL) quand l'allocation est centralisée ou multi-agent RL (MARL) quand la décision est distribuée et laissée aux noeuds.

Mission confiée

Votre mission sera dans un premier temps d'étudier l'état de l'art des composantes du sujet (contexte IoT satellite, protocoles, récepteurs multi-utilisateurs, techniques/architectures de Deep-RL (DRL)...), puis de proposer des solutions DRL, de les mettre en oeuvre et enfin de les évaluer. Vous commencerez par réaliser l'apprentissage des réseaux de neurones desarchitectures proposées en s'assurant de la convergence de l'apprentissage (choix des hyperparamètres...). Puis ferez une évaluation comparée de ces architectures (inférence) selon différents scénarios afin de quantifier leur gains et capacités de généralisation.

Collaboration :
La personne recrutée sera en lien avec C. Le Martret et X. Leturc (Thales) et.

Principales activités

- Etudier l'état de l'art decontexte IoT satellite, protocoles, récepteurs multi-utilisateurs, techniques/architectures de Deep-RL (DRL)...),
- Proposer des solutions DRL, de les mettre en oeuvre et enfin de les évaluer

Avantages

Selon cadre emploi employeur -Thales SIX GTS France

Rémunération

Selon cadre emploi employeur -Thales SIX GTS France